Lo que los reclutadores leen en los primeros 7 segundos
Los reclutadores no leen Curriculos. Los escanean, y el escaneo está estructurado más por la cognición visual que por la estrategia de contenido. El estudio de Ladders encontró que los reclutadores experimentados pasan un promedio de 7.4 segundos en el primer vistazo, fijándose en seis puntos de anclaje en la página. Las señales que extraen de ese escaneo no son palabras clave. Son: relevancia del rol más reciente para el trabajo abierto, patrón de permanencia (¿esta persona permaneció el tiempo suficiente para entregar?), trayectoria (¿cada rol representa más responsabilidad que el anterior?), y limpieza de credenciales (¿el Curriculo parece que la persona lo tomó en serio?). Las palabras clave son el combustible que permite que un Curriculo pase el cribado automatizado, pero la verdadera decisión de contratación ocurre en un nivel por encima de las palabras clave. Este es el vacío que la mayoría de las plataformas ATS no logran cerrar. Optimizan para recordar palabras clave y presentan 200 "coincidencias." El reclutador aún tiene que hacer el escaneo de 7 segundos, 200 veces. El objetivo del cribado inteligente es mover esa extracción de señales hacia arriba, para que el fundador lea a los 8 mejores candidatos según sus méritos reales, no por la densidad de tokens.
Lo que realmente muestra el mapa de la mirada de Ladders
Seis puntos de fijación: nombre (parte superior izquierda), bloque de título-empleador-fecha actual, bloque de título-empleador-fecha anterior, educación, y la esquina inferior derecha donde los puntos de viñeta a veces contienen un logro de cierre. El centro de la página casi no tuvo fijaciones. Las listas largas de viñetas fueron casi completamente omitidas. Esto explica por qué un fundador que lee 30 Curriculos uno tras otro termina con opiniones sólidas a pesar de leer menos de la mitad de cada uno: el cerebro ha comprimido el Curriculo a su estructura básica.
Por qué la coincidencia de palabras clave es el nivel equivocado para optimizar
La mayoría de las plataformas ATS heredadas ejecutan la coincidencia de palabras clave como el primer filtro. La descripción del trabajo tiene "Python, AWS, sistemas distribuidos." El sistema escanea cada Curriculo en busca de esos tokens y clasifica por frecuencia. Esto captura a quienes tienen las habilidades, y también captura a quienes aprendieron a manipular el filtro llenando el documento. Pierde a las personas que describieron las mismas habilidades en diferentes palabras. Un Curriculo que dice "redujo la latencia de inferencia en un 40% en el servicio de clasificación de producción" es materialmente más fuerte que uno que enumera "Python, AWS, ML" como una viñeta de habilidad, pero un filtro de palabras clave los clasifica en el orden incorrecto. La estadística popularizada por Jobscan de que el 75% de los Curriculos son rechazados por ATS se repite ampliamente, pero como señala el análisis de la industria de ERE, la metodología detrás de ese número es débil. La verdadera falla es más específica: los filtros de palabras clave rechazan Curriculos ricos en contexto que carecen de los tokens exactos, y muestran Curriculos pobres en contexto que los tienen. La solución no es eliminar el filtro. Es evaluar por debajo de él.
Señales que realmente predicen el rendimiento
Cuatro importan, en orden: logros cuantificados (números, porcentajes, montos en dólares asociados a resultados), relevancia de la experiencia (¿esta persona resolvió problemas cercanos al que estamos contratando?), trayectoria profesional (¿la responsabilidad está creciendo de rol en rol?), y alineación de habilidades (¿las habilidades nombradas coinciden con el trabajo?). Cada uno de estos puede ser extraído de un Curriculo por un modelo que lee el documento como un humano lo lee, no como lo hace un escáner de palabras clave. Esto es lo que mide el CurriculoATS Impact Scoring.
Lo que aprendimos de la búsqueda de Amazon que aplica aquí
Antes de CurriculoATS, nuestro fundador Dev trabajó en los sistemas de búsqueda y recomendación de Amazon. La lección que se tradujo más directamente a la contratación: la recuperación es barata, la clasificación es la parte difícil. El índice de búsqueda de Amazon puede encontrar un millón de productos que coinciden con una consulta. El trabajo del equipo de producto es asegurarse de que los tres principales sean correctos. El cribado de Curriculos tiene la misma forma. Sacar 300 Curriculos que contengan "gerente de producto" es un script de cinco líneas. Devolver los ocho que un PM sénior realmente querría entrevistar es el verdadero problema de ingeniería. La puntuación multiseñal es cómo Amazon clasifica productos, y el mismo enfoque, con diferentes señales, clasifica candidatos. Ponderamos fuertemente los logros cuantificados porque son el predictor más fuerte de que alguien realmente ha entregado trabajo, no solo ha ocupado un título. Ponderamos la trayectoria profesional porque una persona cuya responsabilidad se duplicó dos veces en cinco años es estadísticamente una contratación más fuerte que una persona cuyo título se mantuvo igual. Exponemos la lógica para que el fundador pueda auditarla.
Por qué "señal" importa más que "palabra clave"
Una palabra clave es un token. Una señal es un patrón que correlaciona con los resultados. "Python" es una palabra clave. "Propietario del servicio de clasificación desde el prototipo hasta 50M de consultas diarias" es una señal. Ambos pueden aparecer en el mismo Curriculo. Solo uno te dice si debes entrevistar a la persona. Un fundador que revisa los 8 principales candidatos de un sistema de puntuación basado en señales pasa alrededor de 30 segundos por candidato y llega a una decisión que puede defender. Un fundador que revisa los 8 principales de un sistema de clasificación por palabras clave pasa 5 minutos por candidato y aún tiene que hacer el trabajo que el cribador debería haber hecho.
Cómo un fundador puede leer un Curriculo en 30 segundos
El mismo patrón de mirada que midió el estudio de Ladders se puede convertir en un marco deliberado. Tres barridos, en orden, cada uno de unos pocos segundos.
- El barrido de trayectoria. Lee solo títulos y fechas. ¿Los roles están obteniendo más seniority? ¿Los períodos son lo suficientemente largos para que la persona haya entregado? ¿El rol más reciente está alineado con lo que estás contratando?
- El barrido de logros. Lee solo los puntos de viñeta que contienen números. ¿Produjo esta persona resultados medibles? ¿Son los resultados atribuibles plausiblemente a ellos?
- El barrido de descalificación. Busca las cosas que lo excluirían: lagunas que no puedes explicar, cambios de rol en menos de 9 meses, habilidades reclamadas que no son respaldadas por el Curriculo.
Tres barridos, 30 segundos. Si el candidato supera los tres, avanza a una entrevista telefónica. Si falla en cualquiera, puedes seguir adelante. Este es exactamente el marco que CurriculoATS automatiza para el primer pase, para que solo lo hagas manualmente con los 10 mejores candidatos.
La única mejor señal de Curriculo
Si tuviéramos que conservar una señal y desechar todas las demás, conservaríamos los logros cuantificados. Un Curriculo con cinco viñetas que incluya números es materialmente más probable que pertenezca a alguien que entrega que un Curriculo con quince viñetas de puras responsabilidades. La razón es la selección: las personas que rastrean resultados escriben Curriculos que rastrean resultados. Las personas que no rastrean resultados no lo hacen.